[发明专利]自动驾驶模型的训练方法、评测方法、控制方法及装置

权利要求书

1.一种自动驾驶模型的训练方法，其特征在于，包括：

获取现实交通信息，并根据所述现实交通信息构建仿真系统；其中，所述仿真系统包含多辆仿真车辆，每辆所述仿真车辆的行驶信息与现实交通场景下对应车辆的行驶信息相同；

从所述仿真系统中选取目标仿真车辆集合，获取所述目标仿真车辆集合中各辆目标仿真车辆的第一行驶信息；

将所述仿真系统中的目标仿真车辆替换为自动驾驶车辆，获取各辆所述自动驾驶车辆在所述仿真系统中行驶产生的第二行驶信息；其中，所述自动驾驶车辆在自动驾驶模型的控制下运行于所述仿真系统中；

根据所述各辆目标仿真车辆的第一行驶信息和各辆自动驾驶车辆的第二行驶信息，计算偏差值均值；其中，所述偏差值均值用于表征所述目标仿真车辆与所述自动驾驶车辆之间的行驶信息相似度；

根据所述偏差值均值对所述自动驾驶模型进行参数调整，直至所述偏差值均值小于第一阈值时，确定所述自动驾驶模型的训练完成；

其中，所述从所述仿真系统中选取目标仿真车辆集合，获取所述目标仿真车辆集合中各辆目标仿真车辆的第一行驶信息，包括：

确定所述仿真系统中所有车辆的车辆编号，得到所述仿真系统中的车辆数目；

根据第一比率从所述所有车辆中选取相应数目的车辆，得到目标仿真车辆集合；

获取所述目标仿真车辆集合中各个目标仿真车辆的第一行驶信息；

其中，所述第一比率根据所述仿真系统中的车辆数目确定。

2.根据权利要求1所述的自动驾驶模型的训练方法，其特征在于，所述现实交通信息包括目标区域的环境信息和目标区域的车辆信息；

所述获取现实交通信息，并根据所述现实交通信息构建仿真系统，包括：

获取所述目标区域的环境信息和所述目标区域的车辆信息，其中，所述目标区域的车辆信息包括所述目标区域内车辆的行车信息、方位信息和轨迹信息；

根据所述目标区域的环境信息构建目标区域地图；

根据所述目标区域的车辆信息构建所述目标区域的交通流信息；

将所述交通流信息映射到所述目标区域地图，得到仿真系统。

3.根据权利要求1所述的自动驾驶模型的训练方法，其特征在于，所述将所述仿真系统中的目标仿真车辆替换为自动驾驶车辆，获取各辆所述自动驾驶车辆在所述仿真系统中行驶产生的第二行驶信息，包括：

逐一选取所述目标仿真车辆集合中各个目标仿真车辆；

将选中的所述目标仿真车辆的车辆状态作为自动驾驶车辆的初始状态；

确定被选中的目标仿真车辆的行驶动作集合；

在所述自动驾驶车辆的初始状态下，逐一遍历所述行驶动作集合中各个行驶动作，确定所述自动驾驶车辆执行每个所述行驶动作对应的奖励值，其中，所述奖励值用于表征所述自动驾驶车辆的行驶动作与所述目标仿真车辆的行驶动作之间的相似度；

根据不同初始状态下自动驾驶车辆执行所述行驶动作对应的奖励值，确定最优奖励值对应的自动驾驶车辆的第二行驶信息。

4.根据权利要求3所述的自动驾驶模型的训练方法，其特征在于，所述在所述自动驾驶车辆的初始状态下，逐一遍历所述行驶动作集合中各个行驶动作，确定所述自动驾驶车辆执行每个所述行驶动作对应的奖励值，包括：

获取所述自动驾驶车辆在执行所述行驶动作时，与对应的目标仿真车辆执行该行驶动作的横向距离值；

获取所述自动驾驶车辆在执行所述行驶动作时，与对应的目标仿真车辆执行该行驶动作的纵向距离值；

确定所述横向距离值的第一加权系数和所述纵向距离值的第二加权系数；

根据所述横向距离值、所述第一加权系数、所述纵向距离值以及所述第二加权系数，计算所述自动驾驶车辆执行每个所述行驶动作对应的奖励值。

5.根据权利要求1或4所述的自动驾驶模型的训练方法，其特征在于，所述方法还包括：

在所述自动驾驶车辆执行每个行驶动作时，计算所述自动驾驶车辆与对应的目标仿真车辆之间的偏差值；

当所述自动驾驶车辆与对应的目标仿真车辆之间的偏差值小于所述第一阈值时，结束该自动驾驶车辆对于该目标仿真车辆的自动驾驶训练。